CN114634075A - 一种基于数据分析的无人驾驶升降机故障分析预测系统 - Google Patents
一种基于数据分析的无人驾驶升降机故障分析预测系统 Download PDFInfo
- Publication number
- CN114634075A CN114634075A CN202210538030.2A CN202210538030A CN114634075A CN 114634075 A CN114634075 A CN 114634075A CN 202210538030 A CN202210538030 A CN 202210538030A CN 114634075 A CN114634075 A CN 114634075A
- Authority
- CN
- China
- Prior art keywords
- elevator
- maintenance
- module
- value
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0025—Devices monitoring the operating condition of the elevator system for maintenance or repair
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0018—Devices monitoring the operating condition of the elevator system
- B66B5/0031—Devices monitoring the operating condition of the elevator system for safety reasons
Landscapes
- Indicating And Signalling Devices For Elevators (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本发明涉及故障分析技术领域,用于解决现有的升降机故障分析系统不具备对升降机进行故障预测的功能的问题,具体为一种基于数据分析的无人驾驶升降机故障分析预测系统,包括运行检测模块、维修判定模块、维修推荐模块以及预测分析模块;所述运行检测模块用于通过启动数据与制动数据对升降机在状态切换时的运行状态进行检测分析得到运行系数YX,在升降机运行异常时向维修判定模块发送运行异常信号,本发明通过预测分析模块可以在不确定升降机是否需要维修时对其进行观察分析,对升降机的异常情况进行连续性分析,根据连续性分析结果对升降机故障进行预测,在故障发生之前,可提前对升降机进行维护检修,从而提高升降机的食用安全性。
Description
技术领域
本发明涉及故障分析技术领域,具体为一种基于数据分析的无人驾驶升降机故障分析预测系统。
背景技术
升降机是一种多功能升降机械设备,可分为固定式和移动式、导轨式、曲臂式,剪叉式、链条式、装卸平台等,升降货梯的特点导轨式液压升降货梯采用重型链条传动,油丝绳做保险,导轨式液压升降货梯采用液压防爆油管,设有防止超载的安全装置、设有多重限位开关保护、设有多层楼互动连锁,因此导轨式液压升降货梯的安全系数比普通货梯要高很多。
现有的升降机故障分析系统仅能够在升降机出现故障时进行预警,或根据升降机运行状态自动对升降机的故障原因进行自动排查,而无法根据升降机的运行参数对升降机进行故障预测,从而在升降机发生故障之前对其进行检修,将安全隐患降到最低。
发明内容
本发明的目的就在于为了解决现有的升降机故障分析系统不具备对升降机进行故障预测的功能的问题,而提出一种基于数据分析的无人驾驶升降机故障分析预测系统。
本发明的目的可以通过以下技术方案实现:一种基于数据分析的无人驾驶升降机故障分析预测系统,包括运行检测模块、维修判定模块、维修推荐模块以及预测分析模块;
所述运行检测模块用于通过启动数据与制动数据对升降机在状态切换时的运行状态进行检测分析得到运行系数YX,在升降机运行异常时向维修判定模块发送运行异常信号;
维修判定模块用于在接收到运行系数与运行异常信号后对升降机是否需要进行维修进行判定;
预测分析模块用于对升降机进行故障预测:在维修判定模块接收到运行异常信号时通过计时器进行倒计时,倒计时的时长为L4分钟,L4为数量常量;
在倒计时过程中若维修判定模块再次接收到运行异常信号,则计时器重置,即计时器重新进行时长为L4的分钟的倒计时,且重置次数加一;
在倒计时过程中若维修判定模块没有接收到运行异常信号,则计时器与重置次数均清零,直至下一次维修判定模块接收到运行异常信号时再次进行倒计时;
当重置次数等于二时,预测分析模块向维修推荐模块发送维修信号;
维修推荐模块在接收到维修信号后为升降机分配最合适的维修员并标记为推荐维修工,维修推荐模块向推荐维修工的手机终端发送维修信号。
作为本发明的一种优选实施方式,启动数据包括升降机由静止状态切换为升降状态时的启动振动表现值QZ,启动振动表现值QZ的获取过程为:获取升降机由静止状态切换为升降状态后的L1秒中之内升降机的振动频率最大值并标记为QP1,获取升降机由静止状态切换为升降状态后的L1秒中之内升降机的噪声最大分贝值并标记为QF1,L1为时间常量,单位为秒,振动频率值与分贝值分别由振动传感器与噪声传感器进行采集获取;
通过对QP1与QF1进行数值计算得到升降机的启动振动表现值QZ。
作为本发明的一种优选实施方式,制动数据包括升降机由升降状态切换为静止状态时的制动振动表现值ZZ,制动振动表现值ZZ的获取过程为:获取升降机由升降状态切换至静止状态前的L2秒中之内升降机的振动频率最大值并标记为QP2,获取升降机由升降状态切换为静止状态前的L2秒中之内升降机的噪声最大分贝值并标记为QF2,L2为时间常量,单位为秒,振动速度值与分贝值分别由振动传感器与噪声传感器进行采集获取;
通过对QP2与QF2进行数值计算得到升降机的制动振动表现值ZZ。
作为本发明的一种优选实施方式,升降机的运行状态分析过程包括:通过对启动振动表现值QZ与制动振动表现值ZZ进行数值计算得到运行系数YX,将升降机的运行系数YX与运行系数阈值YXmin进行比较:
若YX≤YXmin,则判定升降机的运行状态异常,运行检测模块将运行系数与运行异常信号发送至维修判定模块;
若YX>YXmin,则判定升降机的运行状态正常,运行检测模块将运行系数发送至维修判定模块。
作为本发明的一种优选实施方式,维修判定模块对升降机是否需要进行维修进行判定的过程包括:以检测次数为横坐标、运行系数为纵坐标建立直角坐标系,将维修判定模块在L3分钟内接收到的所有运行系数按照检测次数在直角坐标系中进行标点,L3为数量常量;
将坐标系中标出的点依次进行连接形成连续线段,将连续线段中的拐点标记为i,i=1,2,…,n,n为正整数,获取拐点i的坐标值标记为(JCi,YXi),将拐点i的纵坐标建立运行集合{YX1,YX2,…,YXn},对运行集合进行方差计算得到维修系数WX,将维修判定模块在L3分钟内接收到的所有运行系数的平均值标记为运行表现值YB;
将维修系数WX、运行表现值YB分别与维修系数阈值WXmax、运行表现阈值YBmin进行比较并通过比较结果对升降机是否需要维修进行判定。
作为本发明的一种优选实施方式,维修系数WX、运行表现值YB与维修系数阈值WXmax、运行表现阈值YBmin的比较过程包括:
若WX<WXmax且YB>YBmin,则判定升降机不需要进行维修;
若WX≥WXmax且YB≤YBmin,则判定升降机需要进行维修,维修判定模块向维修推荐模块发送维修信号;
否则,对升降机的故障进行预测分析,维修判定模块向预测分析模块发送故障预测信号。
作为本发明的一种优选实施方式,推荐维修工的获取过程包括:
获取需要维修的升降机的位置,将施工现场内当前所有空闲的维修工标记为空闲维修工KWo,o=1,2,……,u,u为正整数,获取当前空闲维修工所在位置与升降机的直线距离并标记为ZJo;
获取空闲维修工的身份信息,空闲维修工的身份信息包括空闲维修工的姓名、年龄、从业年限、维修成功率以及实名认证的手机号码,将空闲维修工的从业年限以及维修效率分别标记为CNo以及XLo;
通过对JZo、CNo以及XLo进行数值计算得到空闲维修工KWo的推荐系数TJo,将推荐系数TJo最大的空闲维修工标记为推荐维修工,维修推荐模块将维修信号发送至推荐维修工的手机终端。
与现有技术相比,本发明的有益效果是:
1、通过运行检测模块对升降机的运行状态进行检测,通过升降机启动与制动时的振动情况对其运行稳定性进行反馈,在出现升降机运行异常时及时进行反馈与维修判定,从而提高升降机工作安全性。
2、通过维修判定模块可以在接收到运行异常信号后对升降机是否需要进行维修进行判定,结合升降机的运行数据进行精准分析,避免出现不需要维修时对升降机进行停机维修的现象,保证升降机在正常状态下的工作效率。
3、通过预测分析模块可以在不确定升降机是否需要维修时对其进行观察分析,对升降机的异常情况进行连续性分析,根据连续性分析结果对升降机故障进行预测,在故障发生之前,可提前对升降机进行维护检修,从而进一步提高升降机的食用安全性。
4、通过维修推荐模块可以为升降机分配最合适的维修员,从而加快升降机的维修效率,也可以使升降机可以尽快得到维修重新投入工作,进一步保障了升降机的工作效率。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明实施例一的原理框图;
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一
请参阅图1所示,一种基于数据分析的无人驾驶升降机故障分析预测系统,包括运行检测模块、维修判定模块、预测分析模块以及维修推荐模块,运行检测模块、维修判定模块、预测分析模块以及维修推荐模块依次进行连接,维修判定模块还与维修推荐模块直接进行连接。
运行检测模块用于通过启动数据与制动数据对升降机在状态切换时的运行状态进行检测分析。
启动数据包括升降机由静止状态切换为升降状态时的启动振动表现值QZ;启动振动表现值QZ的获取过程为:获取升降机由静止状态切换为升降状态后的L1秒中之内升降机的振动频率最大值并标记为QP1,获取升降机由静止状态切换为升降状态后的L1秒中之内升降机的噪声最大分贝值并标记为QF1,L1为时间常量,单位为秒,振动频率值与分贝值分别由振动传感器与噪声传感器进行采集获取;通过公式得到升降机的启动振动表现值QZ,其中与均为比例系数,且;
需要说明的是,启动振动表现值QZ是一个表示启动状态下的升降机运行稳定性的数值,并且启动振动表现值QZ的数值越小,表示升降机在启动状态下的运行稳定性越高。
制动数据包括升降机由升降状态切换为静止状态时的制动振动表现值ZZ,制动振动表现值ZZ的获取过程为:获取升降机由升降状态切换至静止状态前的L2秒中之内升降机的振动频率最大值并标记为QP2,获取升降机由升降状态切换为静止状态前的L2秒中之内升降机的噪声最大分贝值并标记为QF2,L2为时间常量,单位为秒,振动速度值与分贝值分别由振动传感器与噪声传感器进行采集获取;通过公式得到升降机的制动振动表现值ZZ,其中与均为比例系数,且;
需要说明的是,制动振动表现值ZZ是一个表示制动状态下的升降机运行稳定性的数值,并且制动振动表现值ZZ的数值越小,表示升降机在制动状态下的运行稳定性越高。
振动传感器并不是直接将原始要测的机械量转变为电量,而是将原始要测的机械量作为振动传感器的输入量,然后由机械接收部分加以接收,形成另一个适合于变换的机械量,最后由机电变换部分再将变换为电量;噪声传感器是由于传感器内置一个对声音敏感的电容式驻极体话筒,声波使话筒内的驻极体薄膜振动,导致电容的变化,而产生与之对应变化的微小电压,从而实现光信号到电信号的转换。
通过公式得到升降机的运行系数YX,其中a为比例系数,且,需要说明的是,升降机的运行系数YX是一个表示升降机在状态切换过程中运行稳定性的数值,YX的数值越大,表示升降机在状态切换过程中的运行稳定性越高;
将升降机的运行系数YX与运行系数阈值YXmin进行比较:
若YX≤YXmin,则判定升降机的运行状态异常,运行检测模块将运行系数与运行异常信号发送至维修判定模块;
若YX>YXmin,则判定升降机的运行状态正常,运行检测模块将运行系数发送至维修判定模块。
运行检测模块对升降机的运行状态进行检测,通过升降机启动与制动时的振动情况对其运行稳定性进行反馈,在出现升降机运行异常时及时进行反馈与维修判定,从而提高升降机工作安全性。
维修判定模块用于接收运行系数与运行异常信号,维修判定模块通过接收到的运行系数与运行异常信号对升降机的维修需求进行判定,具体的判定分析过程包括:以检测次数为横坐标、运行系数为纵坐标建立直角坐标系,将维修判定模块在L3分钟内接收到的所有运行系数按照检测次数在直角坐标系中进行标点,L3为数量常量;将坐标系中标出的点依次进行连接形成连续线段,将连续线段中的拐点标记为i,i=1,2,…,n,n为正整数,获取拐点i的坐标值标记为(JCi,YXi),将拐点i的纵坐标建立运行集合{YX1,YX2,…,YXn},对运行集合进行方差计算得到维修系数WX,将维修判定模块在L3分钟内接收到的所有运行系数的平均值标记为运行表现值YB;
将维修系数WX、运行表现值YB分别与维修系数阈值WXmax、运行表现阈值YBmin进行比较:若WX<WXmax且YB>YBmin,则判定升降机不需要进行维修;若WX≥WXmax且YB≤YBmin,则判定升降机需要进行维修,维修判定模块向维修推荐模块发送维修信号;否则,对升降机的故障进行预测分析,维修判定模块向预测分析模块发送故障预测信号。
通过维修判定模块可以在接收到运行异常信号后对升降机是否需要进行维修进行判定,结合升降机的运行数据进行精准分析,避免出现不需要维修时对升降机进行停机维修的现象,保证升降机在正常状态下的工作效率。
需要说明的是,升降机的维修系数WX是一个表示升降机维修指标的数值,升降机的维修系数WX数值越大,表示升降机越需要进行维修,运行表现值YB是一个反应在L3分钟内升降机整体运行状态好坏的数值,运行表现值YB的数值越大,则表示在L3分钟内升降机的整体运行状态越好。
预测分析模块接收到故障预测信号后对升降机进行故障预测,对升降机进行故障预测的具体过程包括:在维修判定模块接收到运行异常信号时通过计时器进行倒计时,倒计时的时长为L4分钟,L4为数量常量;在倒计时过程中若维修判定模块再次接收到运行异常信号,则计时器重置,即计时器重新进行时长为L4的分钟的倒计时,且重置次数加一;在倒计时过程中若维修判定模块没有接收到运行异常信号,则计时器与重置次数均清零,直至下一次维修判定模块接收到运行异常信号时再次进行倒计时;当重置次数等于二时,预测分析模块向维修推荐模块发送维修信号,通过预测分析模块可以在不确定升降机是否需要维修时对其进行观察分析,对升降机的异常情况进行连续性分析,根据连续性分析结果对升降机故障进行预测,在故障发生之前,可提前对升降机进行维护检修,从而进一步提高升降机的食用安全性。
维修推荐模块在接收到维修信号后为升降机分配最合适的维修员,具体的维修分配过程包括:获取需要维修的升降机的位置,将施工现场内当前所有空闲的维修工标记为空闲维修工KWo,o=1,2,……,u,u为正整数,获取当前空闲维修工所在位置与升降机的直线距离并标记为ZJo;获取空闲维修工的身份信息,空闲维修工的身份信息包括空闲维修工的姓名、年龄、从业年限、维修成功率以及实名认证的手机号码,将空闲维修工的从业年限以及维修效率分别标记为CNo以及XLo;通过公式得到空闲维修工KWo的推荐系数TJo,其中、以及均为比例系数,且;将推荐系数TJo最大的空闲维修工标记为推荐维修工,维修推荐模块将维修信号发送至推荐维修工的手机终端,加快升降机的维修效率,也可以使升降机可以尽快得到维修重新投入工作,进一步保障了升降机的工作效率。
需要说明的是,运行系数阈值YX、维修系数阈值WXmax以及运行表现阈值YBmin均由管理人员通过升降机的实际工作情况进行自行设置得到。
实施例二
请参阅图2所示,一种基于数据分析的无人驾驶升降机故障分析预测方法,包括以下步骤:
步骤一:运行检测模块通过启动数据与制动数据对升降机在状态切换时的运行状态进行检测分析,并在升降机的运行状态异常时将运行系数与运行异常信号发送至维修判定模块;
步骤二:维修判定模块接收到运行系数与运行异常信号对升降机的维修需求进行判定,升降机的维修需求判定结果包括需要、不需要以及预测分析,在需求判定结果为预测分析时向预测分析模块发生故障预测信号;
步骤三:预测分析模块接收到故障预测信号后对升降机进行故障预测,根据连续性分析结果对升降机故障进行预测,在故障发生之前,提前对升降机进行维护检修;
步骤四:维修推荐模块为升降机分配最合适的维修员,根据维修工的位置、工作年限以及维修效率计算得到推荐系数,将推荐系数数值最大的维修工标记为推荐维修工并向推荐维修工的手机终端发送维修信号。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;如:公式;由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的推荐系数;将设定的推荐系数和采集的样本数据代入公式,任意三个公式构成三元一次方程组,将计算得到的系数进行筛选并取均值,得到、以及 的取值分别为3.52、2.87和2.26;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的推荐系数;只要不影响参数与量化后数值的比例关系即可,如推荐系数与从业年限的数值成正比;
本发明在使用时,运行检测模块通过启动数据与制动数据对升降机在状态切换时的运行状态进行检测分析得到运行系数,在升降机运行异常时向维修判定模块发送运行异常信号;维修判定模块在接收到运行系数与运行异常信号后对升降机是否需要进行维修进行判定;预测分析模块对升降机进行故障预测并及时向维修推荐模块发送维修信号,维修推荐模块在接收到维修信号后为升降机分配最合适的维修员并标记为推荐维修工,维修推荐模块向推荐维修工的手机终端发送维修信号。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,包括运行检测模块、维修判定模块、维修推荐模块以及预测分析模块;
所述运行检测模块用于通过启动数据与制动数据对升降机在状态切换时的运行状态进行检测分析得到运行系数YX,在升降机运行异常时向维修判定模块发送运行异常信号;
所述维修判定模块用于在接收到运行系数与运行异常信号后对升降机是否需要进行维修进行判定;
所述预测分析模块用于对升降机进行故障预测:在维修判定模块接收到运行异常信号时通过计时器进行倒计时,倒计时的时长为L4分钟,L4为数量常量;
在倒计时过程中若维修判定模块再次接收到运行异常信号,则计时器重置,即计时器重新进行时长为L4的分钟的倒计时,且重置次数加一;
在倒计时过程中若维修判定模块没有接收到运行异常信号,则计时器与重置次数均清零,直至下一次维修判定模块接收到运行异常信号时再次进行倒计时;
当重置次数等于二时,预测分析模块向维修推荐模块发送维修信号;
所述维修推荐模块在接收到维修信号后为升降机分配最合适的维修员并标记为推荐维修工,维修推荐模块向推荐维修工的手机终端发送维修信号。
2.根据权利要求1所述的一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,启动数据包括升降机由静止状态切换为升降状态时的启动振动表现值QZ,启动振动表现值QZ的获取过程为:获取升降机由静止状态切换为升降状态后的L1秒中之内升降机的振动频率最大值并标记为QP1,获取升降机由静止状态切换为升降状态后的L1秒中之内升降机的噪声最大分贝值并标记为QF1,L1为时间常量,单位为秒,振动频率值与分贝值分别由振动传感器与噪声传感器进行采集获取;
通过对QP1与QF1进行数值计算得到升降机的启动振动表现值QZ。
3.根据权利要求1所述的一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,制动数据包括升降机由升降状态切换为静止状态时的制动振动表现值ZZ,制动振动表现值ZZ的获取过程为:获取升降机由升降状态切换至静止状态前的L2秒中之内升降机的振动频率最大值并标记为QP2,获取升降机由升降状态切换为静止状态前的L2秒中之内升降机的噪声最大分贝值并标记为QF2,L2为时间常量,单位为秒,振动速度值与分贝值分别由振动传感器与噪声传感器进行采集获取;
通过对QP2与QF2进行数值计算得到升降机的制动振动表现值ZZ。
4.根据权利要求1所述的一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,升降机的运行状态分析过程包括:通过对启动振动表现值QZ与制动振动表现值ZZ进行数值计算得到运行系数YX,将升降机的运行系数YX与运行系数阈值YXmin进行比较:
若YX≤YXmin,则判定升降机的运行状态异常,运行检测模块将运行系数与运行异常信号发送至维修判定模块;
若YX>YXmin,则判定升降机的运行状态正常,运行检测模块将运行系数发送至维修判定模块。
5.根据权利要求1所述的一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,维修判定模块对升降机是否需要进行维修进行判定的过程包括:以检测次数为横坐标、运行系数为纵坐标建立直角坐标系,将维修判定模块在L3分钟内接收到的所有运行系数按照检测次数在直角坐标系中进行标点,L3为数量常量;
将坐标系中标出的点依次进行连接形成连续线段,将连续线段中的拐点标记为i,i=1,2,…,n,n为正整数,获取拐点i的坐标值标记为(JCi,YXi),将拐点i的纵坐标建立运行集合{YX1,YX2,…,YXn},对运行集合进行方差计算得到维修系数WX,将维修判定模块在L3分钟内接收到的所有运行系数的平均值标记为运行表现值YB;
将维修系数WX、运行表现值YB分别与维修系数阈值WXmax、运行表现阈值YBmin进行比较并通过比较结果对升降机是否需要维修进行判定。
6.根据权利要求5所述的一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,维修系数WX、运行表现值YB与维修系数阈值WXmax、运行表现阈值YBmin的比较过程包括:
若WX<WXmax且YB>YBmin,则判定升降机不需要进行维修;
若WX≥WXmax且YB≤YBmin,则判定升降机需要进行维修,维修判定模块向维修推荐模块发送维修信号;
否则,对升降机的故障进行预测分析,维修判定模块向预测分析模块发送故障预测信号。
7.根据权利要求1所述的一种基于数据分析的无人驾驶升降机故障分析预测系统,其特征在于,推荐维修工的获取过程包括:
获取需要维修的升降机的位置,将施工现场内当前所有空闲的维修工标记为空闲维修工KWo,o=1,2,……,u,u为正整数,获取当前空闲维修工所在位置与升降机的直线距离并标记为ZJo;
获取空闲维修工的身份信息,空闲维修工的身份信息包括空闲维修工的姓名、年龄、从业年限、维修成功率以及实名认证的手机号码,将空闲维修工的从业年限以及维修效率分别标记为CNo以及XLo;
通过对JZo、CNo以及XLo进行数值计算得到空闲维修工KWo的推荐系数TJo,将推荐系数TJo最大的空闲维修工标记为推荐维修工,维修推荐模块将维修信号发送至推荐维修工的手机终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210538030.2A CN114634075A (zh) | 2022-05-18 | 2022-05-18 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210538030.2A CN114634075A (zh) | 2022-05-18 | 2022-05-18 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114634075A true CN114634075A (zh) | 2022-06-17 |
Family
ID=81952965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210538030.2A Pending CN114634075A (zh) | 2022-05-18 | 2022-05-18 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114634075A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117105032A (zh) * | 2023-08-29 | 2023-11-24 | 大汉科技股份有限公司 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102897623A (zh) * | 2012-09-24 | 2013-01-30 | 浙江大学 | 基于Internet的电梯运行质量远程检测系统和方法 |
CN206108689U (zh) * | 2016-09-19 | 2017-04-19 | 中都国脉电梯有限公司 | 一种垂直电梯故障自动警报装置 |
US20200002134A1 (en) * | 2017-02-17 | 2020-01-02 | Mitsubishi Electric Corporation | Elevator device |
CN113213298A (zh) * | 2021-05-18 | 2021-08-06 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的电梯运行状态智能检测系统 |
CN113401760A (zh) * | 2021-06-30 | 2021-09-17 | 江苏省海洋资源开发研究院(连云港) | 一种基于大数据的电梯运行故障监管系统 |
-
2022
- 2022-05-18 CN CN202210538030.2A patent/CN114634075A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102897623A (zh) * | 2012-09-24 | 2013-01-30 | 浙江大学 | 基于Internet的电梯运行质量远程检测系统和方法 |
CN206108689U (zh) * | 2016-09-19 | 2017-04-19 | 中都国脉电梯有限公司 | 一种垂直电梯故障自动警报装置 |
US20200002134A1 (en) * | 2017-02-17 | 2020-01-02 | Mitsubishi Electric Corporation | Elevator device |
CN113213298A (zh) * | 2021-05-18 | 2021-08-06 | 江苏荣泽信息科技股份有限公司 | 一种基于区块链的电梯运行状态智能检测系统 |
CN113401760A (zh) * | 2021-06-30 | 2021-09-17 | 江苏省海洋资源开发研究院(连云港) | 一种基于大数据的电梯运行故障监管系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117105032A (zh) * | 2023-08-29 | 2023-11-24 | 大汉科技股份有限公司 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
CN117105032B (zh) * | 2023-08-29 | 2024-04-02 | 大汉科技股份有限公司 | 一种基于数据分析的无人驾驶升降机故障分析预测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114859845A (zh) | 基于物联网控制器的智能工业数据管理系统 | |
CN100349791C (zh) | 电梯的遥测方法和装置 | |
CN114498942A (zh) | 一种基于大数据分析的变压器监控管理系统 | |
CN114793019B (zh) | 基于大数据分析的二次设备可视化监管系统 | |
CN101269767B (zh) | 电梯的维护管理系统 | |
CN114063507A (zh) | 基于智慧农业的远程设备控制系统及其控制方法 | |
CN114966467A (zh) | 一种基于数字孪生的输电线路状态评估方法 | |
CN113401760B (zh) | 一种基于大数据的电梯运行故障监管系统 | |
CN114634075A (zh) | 一种基于数据分析的无人驾驶升降机故障分析预测系统 | |
CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
CN112686402A (zh) | 一种日常巡检与智慧运维管理平台结合的方法 | |
CN114229641B (zh) | 电梯井道的水位判定方法、装置、设备和可读存储介质 | |
CN108928744A (zh) | 一种基于大数据的集装箱起重机在线诊断及维护系统 | |
CN113448298A (zh) | 一种用于自动化生产设备数据采集系统 | |
CN113213298B (zh) | 一种基于区块链的电梯运行状态智能检测系统 | |
CN109896384B (zh) | 基于大数据分析的曳引电梯健康状态特征参数提取方法 | |
CN115465740A (zh) | 一种高效节能曳引机 | |
CN114928168A (zh) | 一种海上平台无人化数据边缘计算装置 | |
CN117221145A (zh) | 基于物联网平台的设备故障预测性维护系统 | |
CN115265635B (zh) | 一种基于数据分析的工业机器视觉检测管理系统 | |
CN111985654A (zh) | 一种智能化设备健康管理系统及方法 | |
CN106379787A (zh) | 一种电梯预警救援车 | |
CN116304636A (zh) | 一种基于故障树的电梯冲顶事故动态预测方法及系统 | |
CN115520741A (zh) | 基于神经网络的电梯运行监控预警方法、系统及存储介质 | |
CN115833928A (zh) | 光纤数据分析方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220617 |
|
RJ01 | Rejection of invention patent application after publication |